- •Введение
- •Глава 1 системы, основанные на знаниях
- •1.1. История создания искусственного интеллекта
- •1.2. Процесс мышления
- •1.3. Основные понятия и классификация систем, основанных на знаниях
- •1.4. Экспертные системы как элемент искусственного интеллекта
- •1.5. Теоретические аспекты извлечения знаний
- •1.6. Коммуникативные методы извлечения знаний
- •1.7. Текстологические методы извлечения знаний
- •Глава 2 модели представления знаний
- •2.1. Представление знаний и выводы в экспертных системах
- •2.2. Модель представления знаний средствами логики предикатов первого порядка
- •2.3. Представление знаний продукционными правилами
- •2.4. Модель представления знаний в виде фреймов
- •2.5. Представление знаний в виде семантической сети
- •2.6. Модель доски объявлений
- •2.7. Модель представления знаний в виде сценария
- •Глава 3 архитектура и технология разработки экспертных систем
- •3.1. Основные положения
- •3.2. Технология разработки экспертной системы
- •3.3. Механизм вывода (интерпретатор правил)
- •3.4. Взаимодействие пользователей с экспертной системой
- •3.5. Подсистема анализа и синтеза сообщений
- •3.6. Морфологический анализ входных сообщений
- •3.7. Синтаксический анализ входных сообщений
- •3.8. Семантический анализ входных сообщений
- •3.9. Синтез выходных сообщений
- •3.10. Диалоговая подсистема
- •3.11. Объяснительные способности эс
- •Глава 4 применение нечеткой логики в эксперТнЫх системах
- •4.1. Предпосылки возникновения нечеткой логики
- •4.2. Нечеткая логика
- •4.3. Нечеткие подмножества
- •4.4. Нечеткие правила вывода в экспертных системах
- •4.5. Задания для разработки экспертных систем
- •Глава 5 ГенетическиЙ алгоритм
- •5.1. Предисловие
- •5.2. Генетический алгоритм
- •5.3. Параметры и этапы генетического алгоритма
- •5.3.1. Кодирование информации и формирование популяции
- •5.3.2. Оценивание популяции
- •5.3.3. Селекция
- •5.3.4. Скрещивание и формирование нового поколения
- •7.3.5. Мутация
- •5.4. Настройка параметров генетического алгоритма
- •5.5. Канонический генетический алгоритм
- •5.6. Пример работы и анализа генетического алгоритма
- •5.7. Общие рекомендации к программной реализации генетического алгоритма
- •5.8. Задания для лабораторных работ
- •Глава 6 искусственные нейронные сети
- •6.1. Биологические нейронные сети
- •6.2. Формальный нейрон
- •6.3 Нейронные сети
- •6.4. Обучение инс
- •8.5. Алгоритм обратного распространения ошибки
- •6.6. Работа нейронной сети
- •6.7. Пример работы и обучения нейронной сети
- •6.8. Программная реализация
- •6.9. Задания для лабораторных работ
- •Заключение
- •Приложение 1 Контрольные вопросы
- •Приложение 2 Темы рефератов и индивидуальных заданий Темы рефератов
- •Темы индивидуальных заданий
- •Приложение 3 Ресурсы в сети Интернет
- •Список литератуРы
- •Оглавление
2.7. Модель представления знаний в виде сценария
Особую роль в системах представления знаний играют стереотипные знания, описывающие стандартные ситуации реального мира. Такие знания позволяют восстанавливать информацию, пропущенную в описании ситуации, предсказывать появления новых фактов, которых можно ожидать в данной ситуации, устанавливать смысл происхождения с точки зрения более ситуативного контекста.
Для описания стереотипного знания используются различные модели. Среди них распространенными являются сценарии. Сценарием называется формализованное описание стандартной последовательности взаимосвязанных фактов, определяющих типичную ситуацию предметной области. Это могут быть последовательности действий или процедур, описывающие способы достижения целей действующих лиц сценария (например: обед в ресторане, командировка, полет самолета, поступление в вуз). В интеллектуальных системах сценарии используются в процедурах понимания естественно-языковых текстов, планирования поведения, обучения, принятия решений, управления изменениями среды и др.
Впервые понятие сценария было введено Р. Шенком и Р. Абельсоном при разработке новых средств понимания истории. Сценарии в их системе понимания представлялись в виде фреймо-подобных структур и использовались для связывания событий истории. Каждый сценарий состоял из набора слотов и их значений, описывающих роли, причины и последовательности сцен, которые, в свою очередь, являлись последовательностью определенных действий.
Слот «роль» задавал исполнителей сценария, слот «цель» – мотивировку предпринимаемых действий. Каждая последовательность действий в сценах обладает свойством каузальных цепочек: всякое предшествующее действие создает условия для совершения последующего действия.
Сценарии используются для пополнения знания о ситуации. Так называется процедура обогащения входной информации сведениями, хранящимися в памяти системы. Сценарий представляется некоторой сетью, вершинам которой соответствуют факты, а дугам – связи, описывающие отношения специального типа. Например: «причина – следствие», «цель – подцель», «часть – целое» (рис. 2.5).
Вершины сети задают следующие факты:
Ф1 – станок простаивает;
Ф2 – на рабочем месте нет рабочего;
Ф3 – станок неисправен;
Ф4 – в цехе нет заготовок;
Ф5 – обеденный перерыв;
Ф6 – рабочий покинул станок;
Ф7 – рабочий находится в столовой.
Каузальные сценарии разработаны для представления проблемно-зависимых каузальных знаний о событиях, действиях и процедурах. Каузальный сценарий задает типичную последовательность действий в заданной предметной области и описывается в виде фрейма, состоящего из слотов. Имена слотов отражают следующие понятия: деятель и участники сценария; цели и мотивы деятеля и участников; время, место, средства реализации сценария; ключ, посылки, следствия, побочные действия, закономерности; системное имя сценария.
Рис. 2.5. Пример сценария, в котором в качестве связей между вершинами сети выступает причинно-следственное отношение |
Слот «ключ» задает основное событие, определяющее тип ситуации. Реализация ключевого события обеспечивает достижение цели деятеля и участников сценария. Слот «посылки» описывает необходимые условия реализации сценария. В посылках содержится последовательность действий, которые надо выполнить, чтобы создать необходимые условия для осуществления ключевого события. Слот «следствия» задает результаты его выполнения. Слот «побочные действия» описывает действия, реализующиеся параллельно с выполнением действий в посылках сценария. Сценарий считается завершенным, если произошло ключевое событие и реализована цель деятеля.
Кроме каузальных сценариев, встречаются и иные типы сценариев. Наиболее распространенными типами являются сценарии в виде дерева целей и классифицирующие сценарии.
В сценариях первого типа описывается, как некоторая цель может быть декомпозирована в систему подцелей. Такие сценарии применяются в случае планирования решений. Классифицирующие сценарии используются при обобщении знаний и представляют собой сети, между вершинами которых имеются отношения типа «часть – целое», «элемент – класс» или «род – вид».